典型文献
基于深度LSTM与遗传算法融合的短期交通流预测模型
文献摘要：
短期交通流预测是交通优化控制和智能服务的基础.由于交通流日内波动性明显,使用单层长短期记忆网络(LSTM)存在泛化能力不足的问题,堆叠多层LSTM易导致模型难以快速收敛.通过对LSTM神经网络架构的优化设计,提出一种深度LSTM与遗传算法融合的交通流预测模型GA-mLSTM.首先,采用遗传算法(Genetic Algorithm,GA)对LSTM层数、Dense层数、隐藏层神经元个数和Dense层神经元个数进行优化,确定GA-mLSTM模型的网络结构设计和最优参数;然后,基于GA-mLSTM模型的预测结果,使用差分运算对预测误差进行修正;最后,利用公开数据集对交通流预测性能进行评估并验证,实验结果表明:GA-mLSTM模型采用3层LSTM神经网络结构,融入遗传算法和差分计算后,能有效捕获路网交通流的波动特性,可以实现更准确的交通流预测.
文献关键词：
交通流预测;长短期记忆网络;遗传算法;差分处理
中图分类号：
作者姓名：
李静宜;丁飞;张楠;李湘媛;顾潮
作者机构：
南京邮电大学 物联网学院,江苏 南京210003;南京邮电大学 江苏省宽带无线通信和物联网重点实验室,江苏 南京210003
文献出处：
引用格式：
[1]李静宜;丁飞;张楠;李湘媛;顾潮-.基于深度LSTM与遗传算法融合的短期交通流预测模型)[J].无线电通信技术,2022(05):836-843
A类：
mLSTM
B类：
算法融合,短期交通流预测,交通优化,优化控制,智能服务,内波,波动性,长短期记忆网络,泛化能力,堆叠,快速收敛,神经网络架构,GA,Genetic,Algorithm,层数,Dense,网络结构设计,最优参数,差分运算,预测误差,公开数据集,预测性能,神经网络结构,路网交通流,波动特性,差分处理
AB值：
0.272653
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
